电子商务欺诈防范依赖于高质量数据，来源包括支付卡提供商、信用局、地址列表及商家共享数据。
几年前，一名窃贼先后盗窃了爱达荷州考德威尔和默里迪恩的D&B Supply门店。零售商运营副总裁向当地大型零售商分享了监控图像及犯罪细节。随后Fred Meyer杂货店也遭袭并分享信息，零售商网络最终协助警方通过车辆信息等完整画像抓获罪犯。
此案例表明信息共享能有效保护社区安全。若电商商家也能共享客户行为信息以降低欺诈风险，效果将更为显著。
可信交易
Identiq联合创始人兼产品与研究副总裁Uri Arad指出：“从业多年让我意识到AI和机器学习的局限性，以及对优质数据源的依赖。”Identiq为零售商及面向消费者的企业提供点对点信任网络。
Arad表示：“现代电商欺诈防范高度依赖数据和模式识别，这在管理未知风险时尤为关键。”未知因素包括新用户、新信用卡或行为突变，这些都会引入新模式与新数据。
Arad补充道：“随着不法分子手段日益复杂，区分正常与异常交易变得愈发困难。”
对于非面对面交易，区分优质客户与不良客户正变得越来越困难。图片来源：Bermix Studio。
解决该问题至关重要，因为可信交易是电商零售的核心环节。
客户需确信商家准确展示产品并按约发货；商家则需确认客户使用本人支付卡且无欺诈意图。
为此，许多商家采用防欺诈工具来甄别交易安全性。
引入摩擦
当遇到新客户、信息变更或行为异常的购物者时，中大型电商通常会在交易中引入“摩擦”。
这种摩擦形式多样，部分对客户不可见，部分则影响体验甚至导致交易失败。
针对上述未知情况，自动防欺诈工具通常采取以下三种应对方式：
- 拒绝交易。
- 暂挂交易。
- 标记交易。
后两种情况（暂挂或标记）通常触发人工审核或致电验证等商户操作。
但第一种情况（拒绝交易）若发生误判，会将真实客户拒之门外，造成最大损害，即“误报”（false positive）。
防欺诈服务商Kount在电子书《沉默的销售杀手：误报》中指出：“误报源于无法准确量化欺诈风险。其后果虽难衡量，但销售损失是直接的。”
该书强调：“企业常将误报视为成功拦截欺诈，而非错失的销售机会。实际上，误报从四个方面损害在线企业的财务表现。”
- 收入立即损失：每笔被错误拒绝的订单都意味着直接收入流失。
- 客户终身价值流失：被误拒的合法客户往往会永久停止在该商家消费，导致未来预期总利润丧失。
- 浪费获客支出：所有营销和广告投入因一次误报而付诸东流。
- 品牌形象受损：在社交媒体时代，顾客的负面体验可能迅速传播，影响成千上万潜在客户，造成难以量化的声誉损失。
各种方法
防欺诈企业采用不同策略应对卡不在场（card-not-present）欺诈，同时避免误报导致的收入损失。
多数公司利用AI算法和模式识别执行任务，而Identiq凭借点对点方法脱颖而出。
当Identiq会员（拥有数百万客户的公司）遇到新买家时，可匿名询问网络其他会员对该购物者的体验。该过程严格遵循欧盟GDPR和加州CCPA隐私法规。
其核心理念在于：虽然新客户对特定商户陌生，但其他零售商或热门应用可能已有接触记录。
几乎所有防欺诈软件商和金融机构都在致力于提升检测能力并减少误报。正如Arad所言，关键在于数据，共享客户体验将使所有参与商户受益。